Задачи анализа и прогнозирования деятельности IT компании c использованием методов машинного обучения

Алексейчук А.С.; Виноградов В.И.; Данякин К.Д.

doi:10.17759/mda.2019090404

0,727 — двухлетний импакт-фактор

Моделирование и анализ данных

Издатель: Московский государственный психолого-педагогический университет

ISSN (печатная версия): 2219-3758

ISSN (online): 2311-9454

DOI: https://doi.org/10.17759/mda

Лицензия: CC BY-NC 4.0

Издается с 2011 года

Периодичность: 4 номера в год

Язык журнала: русский

Доступ к электронным архивам: открытый

EN In English

Моделирование и анализ данных
2019. Том. 9, № 4. С. 57–66
doi:10.17759/mda.2019090404
ISSN: 2219-3758 / 2311-9454 (online)

Задачи анализа и прогнозирования деятельности IT компании c использованием методов машинного обучения ¹³⁴

Алексейчук А.С.
кандидат физико-математических наук, старший преподаватель каф. «Математическая кибернетика», Московский авиационный институт (национальный исследовательский университет), Москва, Россия
e-mail: alexejchuk@gmail.com

Виноградов В.И.
кандидат физико-математических наук, доцент каф. «Математическая кибернетика», Московский авиационный институт (национальный исследовательский университет), Москва, Россия
e-mail: vvinogradov@inbox.ru

Данякин К.Д.
студент, Московский авиационный институт (национальный исследовательский университет), Москва, Россия
e-mail: kirill.danyakin@yandex.ru

PDF (RUS)

Аннотация

В статье рассмотрены задачи применения методов машинного обучения, используемые для повышения эффективности бизнес-процессов работы с клиентами в IT-компании. Рассмотрено применение двух моделей машинного обучения: кластеризация клиентской базы и прогнозирование выручки.

Ключевые слова: машинное обучение, IT компания, сегментирование клиентской базы, прогнозирование

Рубрика: Анализ данных

Тип: научная статья

DOI: https://doi.org/10.17759/mda.2019090404

Ссылка для цитирования

Алексейчук А.С., Виноградов В.И., Данякин К.Д. Задачи анализа и прогнозирования деятельности IT компании c использованием методов машинного обучения // Моделирование и анализ данных. 2019. Том 9. № 4. С. 57–66. doi:10.17759/mda.2019090404

Авторы благодарят за предоставленные данные генерального директора компании «ОВИОНТ ИНФОРМ» Артамонова Г.Ф.

В данной статье описаны некоторые задачи анализа деятельности IT-компании методами машинного обучения для решения прикладных задач анализа данных по клиентам и продуктам, необходимых для повышения эффективности бизнес-процессов в IT-компании при работе с клиентами при продвижении программных продуктов и сервисов. Компания занимается разработкой и распространением электронных сервисов.

Dubes R.C., Jain A.K. Algorithms for Clustering Data. Englewood Cliffs: Prentice Hall, 1988.
Shlens J. A tutorial on principal component analysis. Institute for Nonlinear Science, UCSD, 2005.
Rui Xu, Wunsch D. Survey of clustering algorithms. IEEE Transactions on Neural Networks, vol. 16, no. 3, 2005. pp. 645–678.
Wang L., Leckie C., Ramamohanarao K., Bezdek J. Automatically Determining the Number of Clusters in Unlabeled Data Sets. IEEE Transactions on Knowledge and Data Engineering, vol. 21, 2009. p. 335–350.
Rousseeuw Peter J. Silhouettes: a Graphical Aid to the Interpretation and Validation of Cluster Analysis. Computational and Applied Mathematics, vol. 20, 1987. p. 53–65.
Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов. – М.: Финансы и статистика, 2003.

Мастерская, Математические методы в психологии и смежных науках | Кириллов А.А., Виноградов В.И.

Построение и применение классификатора текстовых обращений в техническую поддержку

Теория и методология | Пантелеев А.В., Лобанов А.В.

Градиентные методы оптимизации в машинном обучении идентификации параметров динамических систем

doi:10.17759/mda.2019090407

Психологическая диагностика, Психология личности | Корнилова Т.В., Павлова Е.М.

Шкала интеллектуальной оценки риска и ее связь с готовностью к риску и эмоциональным интеллектом

doi:10.17759/cpp.2020280404

Психология личности, Социальная психология | Стрижицкая О.Ю., Петраш М.Д., Муртазина И.Р., Вартанян Г.А., Маневский Ф.С., Александрова Н.Х., Бабакова Л.В.

Адаптация болгарской версии шкалы социального и эмоционального одиночества (SELSA-S) для взрослых и пожилых людей

doi:10.17759/cpp.2020280405

Мастерская, Математические методы в психологии и смежных науках | Пахальян В.Э.

Психолого-педагогическое прогнозирование и психопрофилактика в работе педагога-психолога в контексте требований ФГОС и стандартов профессиональной деятельности